首先，我意识到这可能是一个基本问题。但是，当我在网上搜索有关此问题的参考资料时，我遇到了想知道我正在阅读的描述是否适用于我想到的示例的问题。因此，虽然我知道以下问题的答案可能是什么，但我对我的贝叶斯思想还不是很有信心。任何指导将不胜感激。谢谢你。

分析是在贝叶斯框架中进行的，并产生介于 0 和 1 之间的参数的后验分布。该参数是在两个时间点（两年）但在 2 个非常不同的条件下为 1 个物种估计的。这两年分开分析。在一年内，参数后验的平均值可能在 30% 左右，而在另一年则在 45% 左右。

我最初的反应是进行假设检验，然后问：“这两个估计值是否‘显着’不同？” 鉴于分析的贝叶斯性质，问这个问题有意义吗？期待“是或否”的答案是否合理，类似于常客环境中的预期？

说这个问题是有意义的。如何寻找答案？如果我比较 95% 的可信区间，发现两年参数的 CI 重叠，这是否意味着没有差异？

类似的方法是在模型中引入一个新变量，称为 YR，并让 YR 反映第 2 年对原始参数估计值的影响。我可以查看 YR 的估计值，并询问它的 95% 可信区间是否包含 0。

参数估计相当不确定 --- 如果后验分布的平均值为 30%，则其第 1 和第 3 个四分位数可能在 20% 和 40% 之间（而 45% 年份将在 35% 和 55% 之间） . 假设参数估计有 95% 的 CI 重叠，或者 YR 估计为 15%，但其 CI 包括 0。这是否意味着分析表明这两年“没有不同”，或者只是说明年份有 15% 的差异，± 一些不确定性？

谢谢。